physics.flu-dyn articles

La dynamique des fluides explore comment les liquides et les gaz se déplacent, des courants océaniques invisibles aux écoulements d'air autour d'une aile d'avion. Ce domaine fascinant révèle les lois qui régissent la matière en mouvement, reliant des phénomènes quotidiens comme la météo à des applications technologiques complexes. Sur Gist.Science, nous rendons ces découvertes accessibles à tous, sans barrières linguistiques ni jargon excessif.

Chaque nouveau prépublication arXiv dans cette catégorie est analysé par nos équipes pour vous offrir deux versions résumées : une explication simple pour les curieux et un aperçu technique détaillé pour les experts. Cette double approche garantit que la science reste compréhensible tout en conservant sa rigueur fondamentale.

Découvrez ci-dessous les dernières publications traitant de la dynamique des fluides, sélectionnées et résumées pour vous dès leur sortie sur arXiv.

Surrogate normal-forms for the numerical bifurcation and stability analysis of navier-stokes flows via machine learning

Cet article propose un cadre « intégrer-apprendre-remonter » basé sur l'apprentissage de variétés non linéaires et la régression par processus gaussiens pour construire des modèles d'ordre réduit capables d'effectuer une analyse efficace de la bifurcation et de la stabilité des écoulements de Navier-Stokes, surpassant les méthodes POD traditionnelles en préservant les symétries et en identifiant correctement la dimension intrinsèque du système.

Alessandro Della Pia, Dimitrios G. Patsatzis, Gianluigi Rozza, Lucia Russo, Constantinos Siettos2026-03-17🔬 physics

Effect of Expansion Geometry on Turbulence in Axisymmetric Pipe Flows

Cette étude démontre que, contrairement à l'expansion abrupte, une expansion progressive dans un écoulement de pipe axisymétrique génère des niveaux de turbulence plus élevés et une anisotropie accrue des contraintes de Reynolds en raison d'une interaction oblique prolongée entre l'écoulement de retour et le courant libre.

Jibu Tom Jose, Gal Friedmann, Dvir Feld, Omri Ram2026-03-17🔬 physics

Assessment of tabulated-chemistry models for lean premixed strained hydrogen flames with low-dimensional manifolds

Cette étude propose et évalue de nouvelles approches de flammelettes étirées et une méthode de correction pour améliorer la précision des modèles de chimie tabulée dans la simulation des flammes d'hydrogène prémélangées pauvres et étirées, en surmontant les limitations des modèles traditionnels liés aux effets de diffusion et de contrainte sans augmenter les coûts computationnels.

Alessandro Porcarelli, Pasquale Eduardo Lapenna, Francesco Creta, Ivan Langella2026-03-17🔬 physics

Consistent kinetic modeling of compressible flows with variable Prandtl numbers: Double-distribution quasi-equilibrium approach

Cet article présente une approche de quasi-équilibre à double distribution pour la modélisation cinétique des écoulements compressibles, permettant une simulation précise et stable sur une large gamme de nombres de Prandtl et de rapports de chaleurs spécifiques, tout en assurant la conservation stricte et la reconstitution fidèle des équations de Navier-Stokes-Fourier.

R. M. Strässle, S. A. Hosseini, I. V. Karlin2026-03-17🌀 nlin

The Semigeostrophic-Euler Limit: Lifespan Lower Bounds and $O(\varepsilon)$ Velocity Stability

Cet article établit des bornes inférieures pour la durée de vie des solutions du système semigéostrophique bidimensionnel sur le tore plat, démontrant une stabilité de l'ordre de $O(\varepsilon)$ par rapport aux équations d'Euler incompressibles et prouvant une amélioration logarithmique de l'échelle temporelle hyperbolique.

Victor Armegioiu2026-03-17🔢 math

Local kinetic sensors for adaptive mesh and algorithm refinement

Cet article présente de nouveaux capteurs de raffinement basés sur la fonction de distribution à une particule pour améliorer l'efficacité et l'évolutivité des simulations de flux complexes (compressibles, turbulents et hors équilibre) via le raffinement adaptatif de maillage et d'algorithmes (AMAR) dans les modèles cinétiques.

R. M. Strässle, S. A. Hosseini, I. V. Karlin2026-03-17🔬 physics

Hierarchy of extreme-event predictability in turbulence revealed by machine learning

En s'appuyant sur l'apprentissage automatique appliqué à des simulations numériques directes, cette étude révèle que la prévisibilité des événements extrêmes en turbulence est hiérarchisée et régie par la persistance de structures cohérentes à grande échelle, permettant de définir des horizons de prévision spécifiques à chaque événement sans recourir aux équations gouvernantes.

Yuxuan Yang, Chenyu Dong, Gianmarco Mengaldo2026-03-17🌀 nlin

Sign-Indefinite Helicity and the Structure of Weak Turbulence in Inertial and Non-Hermitian Waves

Cet article démontre que la conservation de l'hélicité, bien que globalement indéfinie en signe, simplifie l'équation cinétique de la turbulence faible dans les écoulements rotatifs et à viscosité impaire, en réorganisant les transferts d'énergie via des triades résonantes qui favorisent un retour d'échelle (backscatter) sur les branches de polarisation individuelles tout en maintenant un flux direct global.

Shahaf Aharony Shapira, Michal Shavit2026-03-17🔬 physics

Linear Kelvin Wave Predictions in the $z\to 0$ Limit

Cet article propose une théorie de coque plate modifiée intégrant une intégration elliptique pour résoudre l'ill-posedness de l'énergie des ondes de Kelvin à la limite $z\to 0$ , tout en fournissant un évaluateur rapide et une implémentation Julia open-source pour des prédictions physiquement cohérentes.

Gabriel D Weymouth2026-03-17🔬 physics

A convolutional autoencoder and neural ODE framework for surrogate modeling of transient counterflow flames

Cette étude propose un cadre novateur de convolutional autoencoder et neural ODE (CAE-NODE) pour créer un modèle d'ordre réduit capable de prédire avec une grande précision l'évolution temporelle complète de flammes de contre-courant 2D transitoires, depuis l'allumage jusqu'à la transition vers des conditions non prémélangées.

Mert Yakup Baykan, Weitao Liu, Thorsten Zirwes, Andreas Kronenburg, Hong G. Im, Dong-hyuk Shin2026-03-17🔬 physics

← Précédent Suivant →

physics.flu-dyn